tag AI

標籤
貢獻167
965
03:55 AM · Nov 07 ,2025
wintersun 頭像 lying7 頭像 Goblinscholar 頭像 codingtea 頭像 dmx778 頭像 OBCE666 頭像 yupi 頭像 poloai 頭像 XY-Heruo 頭像 yjmyzz 頭像 longronglang 頭像 huggingface 頭像

@AI / 博客 RSS 訂閱

poloai 頭像

poloai - 【2025年推薦】NanoBananaPro 生圖|如何用 poloapi.top 中轉一鍵調用

用 poloapi 中轉調用 NanoBananaPro 生圖：一份實戰筆記 適合人羣： ✔ 用過 OpenAI API ✔ 知道什麼是文生圖 ✔ 只想把圖“穩定地生成出來” 如果你只是想快速用 NanoBananaPro 生圖，而不是研究模型原理，這篇就夠了。 先把話説清楚（很重要） poloapi.top = API 中轉站（relay / proxy）

AI

收藏 評論

wintersun 頭像

PetterLiu - RAG應用性能優化入門指南

從“能用”到“好用”的RAG之旅 檢索增強生成（Retrieval-Augmented Generation, RAG）技術正深刻地改變着我們與信息交互的方式，它為構建知識問答系統、智能對話代理、文檔處理和工作流自動化等應用提供了強大的動力。通過RAG，我們可以讓強大的語言模型（LLM）理解並運用那些它們在訓練時從未見過的私有數據。 RAG的核心工作流程可拆分為兩個階段： 1. 數據索

AI

收藏 評論

u_16213649 頭像

mob64ca14082604 - 充滿可能的新一代輔助編程神器：Cursor

目錄 1、網站功能規劃 2、生成網站UI設計圖 3、生成項目代碼架構設計文檔 4、分佈操作生成代碼 4.1 生成首頁 4.2 生成文件轉換功能 4.3 生成圖片壓縮功能 1、網站功能規劃 創建網站功能規劃文件，在文件中利用cursor的自動補全功能，一步步規劃網站的功能規劃 在需

AI , AI編程 , AI寫作 , 後端服務 , 前端開發 , AI作畫 , Javascript

收藏 評論

muziji 頭像

木子吉 - 混合專家模型 (MoE) 詳解

混合專家模型 (MoE) 詳解 隨着 Mixtral 8x7B (announcement, model card) 的推出，一種稱為混合專家模型 (Mixed Expert Models，簡稱 MoEs) 的 Transformer 模型在開源人工智能社區引起了廣泛關注。在本篇博文中，我們將深入探討 MoEs 的核心組件、訓練方法，以及在推理過程中需要考量的各種因素。讓我們開始吧！ 目錄

AI

收藏 評論

wintersun 頭像

PetterLiu - 千問快速review評審Java工程代碼與異步代碼智能體

千問快速review評審Java工程代碼與異步代碼智能體 背景 《Effective Java》是由 Joshua Bloch 編寫的一本經典 Java 編程指南，被廣泛認為是 Java 開發者必讀的權威書籍之一。該書通過一系列具體、實用的“條款”（Items），幫助開發者寫出更清晰、高效、健壯和可維護的 Java 代碼。截至 2025 年，《Effective Java》已出版至第三版（201

AI

收藏 評論

wintersun 頭像

PetterLiu - AI瀏覽器Comet用户體驗測試

AI瀏覽器Comet用户體驗測試 移動Web應用 UI/UE 測試的 5 大核心痛點 移動Web應用（H5/PWA）的 UI/UE 測試與傳統的 PC 網頁測試截然不同，也比原生 App 測試更具挑戰性。 以下是 移動Web應用 UI/UE 測試的 5 大核心痛點，這些通常是測試人員和設計師最頭疼的地方： 1. 極致的“碎片化”兼容性 (The Fragmentation Hell) 這是最直觀、

AI

收藏 評論

yjmyzz 頭像

菩提樹下的楊過 - Agent設計模式學習(基於langchain4j實現)(5) - 條件工作流

書接上回，簡歷評估完後，根據評估結果，如果合格，公司就該通知面試，否則回郵件拒絕。也就是今天要演示的“條件工作流”。下面定義這2個分支對應的Agent: 一、定義不同分支的Agent 1.1EmailAssistant (發郵件拒絕候選人Agent) 1 public interface EmailAssistant { 2 3 @Agent("向未通過篩選的候選人發送拒絕郵件

AI

收藏 評論

poloai 頭像

poloai - 2026 最新 Gemini API 接入指南：國內開發者首選 poloai.top 中轉方案

隨着 Google DeepMind Gemini 3 系列（含 Gemini 3、3 Flash、3 Pro）的正式落地，其在長上下文理解、複雜指令執行、多模態一致性及工具調用穩定性上的跨越式升級，讓這款模型成為支撐生產級系統的核心選擇。但對國內開發者而言，官方直連的諸多壁壘讓先進技術 “看得見、用不上”—— 支付限制、適配繁瑣、網絡波動等問題，成為阻礙接入的核心痛點。而poloai.top推出

AI

收藏 評論

u_16213645 頭像

mob64ca1407216b - 【Vue3教程】創建你的第一個Vue 3項目 - 前端小智的個人空間 -

前端 Vue3 項目效率提升：DeepSeek 輔助組件邏輯編寫與 Props 類型定義 引言 在當今快速迭代的前端開發環境中，Vue3 憑藉其響應式系統、Composition API 和 TypeScript 支持，已成為企業級應用的首選框架。然而，隨着項目規模擴大，組件邏輯編寫和 Props 類型定義常成為效率瓶頸。開發者面臨代碼重複、

deepseek , AI , AI編程 , 人工智能 , 前端開發 , 前端 , Javascript

收藏 評論

smartloli 頭像

哥不是小蘿莉 - 使用 Vibe Coding 構建 AI 自動化評測系統

1.概述 在當今快速發展的 AI 時代，如何高效、準確地評估 AI 模型的性能已成為一個關鍵挑戰。傳統的評測方法往往依賴大量人工干預，不僅效率低下，而且難以保證評測的一致性和客觀性。本文將深入探討如何使用 Vibe Coding 的理念，結合現代 AI 技術，構建一個智能、高效且可擴展的自動化評測系統。我們將從系統架構設計出發，詳細剖析核心組件的實現，並分享在實際項目中積累的最佳實踐。 2.內容

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程二： 改善深層神經網絡 第三週：超參數調整，批量標準化和編程框架（二）batch歸一化

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第二課的第三週內容，3.4到3.7的內容。 本週為第二課的第三週內容，你會發現這周的題目很長，實際上，作為第二課的

AI

收藏 評論

yunpan-plus 頭像

雲棧開源日記 - 從Transformer到LLaMA：AI大模型工程化實踐完整路徑解析

大模型API調用會用，但不理解背後原理？微調訓練無從下手？本文從底層架構到工程實踐，拆解完整技術路徑。 大模型技術體系全景：從原理到工程實踐 隨着ChatGPT引發的AI浪潮，大模型技術已成為開發者必備技能。但從API調用到深入理解架構原理，再到企業級應用落地，中間存在明顯的知識斷層。本文整理了一套完整的學習資源，幫助開發者系統掌握大模型技術棧。 技術棧覆蓋範圍 基礎理論層 內容涵蓋必要的數

AI

收藏 評論

ClownLMe 頭像

ClownLMe - 從0到1，無代碼微調並部署本地大語言模型LLM

前言 LLM模型微調 能讓大模型掌握特定行業的深度知識，能夠實現AI虛擬主播，AI醫生，AI程序員，AI網絡安全工程師等特定領域的延展。更重要的是，當有本地部署的硬件條件限制時，能夠讓微調後小的大語言模型等效百億級的大語言模型 測試環境：windows11，RTX4070顯卡 下面將手把手帶你跑通無代碼模型微調的全過程 環境安裝 必要的工具： git： https://git-scm.c

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 微調與安全隱私：為什麼微調會放大風險

安全問題，往往不是在“上線那一刻”出現的 如果你做過幾次大模型微調項目，很可能有一種錯覺。 項目初期，一切看起來都很安全。 數據在內網，模型在內網，訪問有權限控制， 甚至你可能會想： “我們又不是直接對外提供服務，哪來的安全風險？” 但很多隱私和安全問題，並不是在模型“上線”那一刻才出現的。 它們更像是被慢慢埋進模型參數裏的定時炸彈。 等你意識到問題的時候，往往已經很難回頭

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第三週：檢測算法 （二）目標檢測算法

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第四課的第三週內容，3.3到3.5的內容。 本週為第四課的第三週內容，這一課所有內容的中心只有一個：計算機視覺。應

AI

收藏 評論

wintersun 頭像

PetterLiu - Gemini3在線構建一個基於女性照片解析的應用

Gemini3在線構建一個基於女性照片解析的應用 預覽 https://ai.studio/apps/drive/1qoagJHJBONxI9dBd-MhYmstFwIM7lCRA 在AI Studio中，直接就生成了 效果圖 另一個案例 代碼在這兒 https://github.com/ljylun/Panoramic-Deep-Concept-Decomposition-Chart 提示

AI

收藏 評論

u_17061379 頭像

AI編程社區 - Qoder 提效實戰：數據開發工程師用 Qoder 提效50%

我是阿里雲的一名數據開發工程師，今天非常榮幸能分享Qoder在數據開發場景中的實戰經驗。本次分享將圍繞以下四個核心模塊展開。 Qoder在數據開發中的背景與需求 當前，我們正在構建一個阿里雲新產品的數據體系，從0到1搭建數倉架構。這一過程面臨三重挑戰： 時間緊迫：項目啓動時對產品邏輯完全陌生，需快速理解業務代碼並設計數倉架構。 資源有限：團隊規

機器學習 , 數據 , AI , 人工智能 , 解決方案 , SQL

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程五：自然語言處理 第一週：循環神經網絡 （七）雙向 RNN 與深層 RNN

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第五課的第一週內容，1.11到1.12的內容，同時也是本週理論部分的最後一篇。 本週為第五課的第一週內容，與 CV

AI

收藏 評論

wintersun 頭像

PetterLiu - 企業級AI智能體（Agent）市場分析

企業級AI智能體（Agent）市場分析報告：從應用場景到落地挑戰的深度洞察 AI智能體——從輔助工具到自主生產力的範式轉移 一場深刻的範式轉移正在重塑人工智能的版圖，其核心驅動力便是AI智能體（AI Agent）。它不再是亦步亦趨的輔助工具，而是正在崛起為一種能夠自主規劃與執行的全新生產力，徹底改寫着人機協作的遊戲規則。 我們可以用一個生動的比喻來理解AI智能體的核心構成——它是一個擁有“大腦

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 為什麼你用了向量數據庫，系統反而更復雜了

向量數據庫火，不代表你“必須用” 如果你這兩年做過和大模型相關的系統，很難繞開“向量數據庫”這個詞。 幾乎所有 RAG 架構圖裏，都有它的位置。 幾乎所有教程裏，都在説： “把文檔向量化，存進向量數據庫，就好了。” 於是，向量數據庫很自然地從一個解決特定問題的工具， 變成了一種默認選項。 但如果你真的做過幾個項目，就會慢慢意識到一件事： 向量數據庫確實很強， 但它從

AI

收藏 評論

nanimono 頭像

溯光獨立開發 - Langchain Splitter源碼閲讀筆記（一）CharacterTextSplitter

一、TextSplitter TextSplitter繼承自BaseDocumentTransformer，是一個抽象類，不能直接創建實例。 核心(內部)屬性有： _chunk_size: 每塊大小 _chunk_overlap: 每塊之間的重疊區大小 _length_function: 計算大小的方法，可以傳遞token計算的函數，也可以傳別的比如普通的len() _keep_separato

AI

收藏 評論

gepai 頭像

密碼戰士 - Rime-AI v2版本發佈

AI-Rime 基於Rime的lua腳本系統打造AI增強輸入法 Rime AI 糾錯 v1 智能糾錯 功能説明 極簡版 AI 糾錯功能： 按 6 觸發糾錯，顯示"AI糾正中..." 再按 6 顯示糾正結果 文件清單 文件 説明 ai_corrector_processor.lua 按鍵監聽（放入 lua/ 目錄）

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的考試作弊檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的考試作弊檢測系統 1. 前言​ 大家好，歡迎來到 Coding 茶水間。在當今的各類標準化考試中，作弊手段層出不窮且極具隱蔽性，這不僅嚴重破壞了考試的公平性，也給監考人員帶來了巨大的甄別壓力。傳統的視頻監控往往依賴人工回看，效率極低且容易出現視覺盲區。基於此現狀，我今天為大家帶來的題目是基於 YOLO 算法的考試作弊檢測系統。該系統旨在通過深度學習算法，實現對考場內作弊行為

AI

收藏 評論

u_12196 頭像

footballboy - Linux系統之openEuler安裝部署

openEuler Linux部署 Dify 教程：對接本地 Ollama 構建 AI 應用平台 繼成功在歐拉 Linux 部署 Ollama 後，本文將帶你完成Dify的部署與配置 ——Dify 是一款開源的 AI 應用開發平台，支持可視化編排提示詞、對接本地大模型（如 Ollama）、快速構建聊天機器人 / 知識庫等應用。結合 Ollama+D

運維 , AI , 後端開發 , Linux , 人工智能 , Docker , harmonyos

收藏 評論